基于人脸图像的性别识别和年龄估计，顾名思义也就是根据人的脸部图像来对人的性别和年龄进行判断和估算。性别识别和年龄估计有着广泛的潜在应用领域，因而备受关注，成为重要的研究课题。该文基于已有的研究成果，进一步深入探究性别识别和年龄估算问题。

基于人脸图像的性别识别与年龄估计研究
符振艾1  赵薇2   刘绪崇2
【基金项目】
符振艾，湖南省科技厅计划项目；基金项目编号：2014GK3040基于生物特征提取的人脸识别系统设计技术研究
赵微。湖南省科技厅计划项目；基金项目编号：2014GK30401智能银行视频监控系统设计与研究
刘绪崇。湖南省科技厅重点项目：基金项目编号：2013GK2014骨干互联网安全检测与态势评估预警系统

    基于人脸图像的性别识别、年龄估计在相关领域已经形成研究热潮，而且以往是研究也都取得了不错的成效。虽然在日常生活中我们根据人脸判断其年龄、性别很容易，但若使计算机有此能力还面临巨大的挑战，文章将重点探究基于人脸子区域的性别识别和基于人脸图像的年龄估计。
一、基于人脸子区域的性别识别
脸部子区域分割。进行脸部的子区域分割，首先是要将给定的人脸图像转换成灰度图像，然后在对灰度图像进行处理——缩放、平移和旋转，要使图像中人的双眼处于固定的位置，再从背景中分离、切割出整个包括头发在内的人脸区域，最后降低关照影响，可用直方图均衡化来处理。对于初步处理的人脸区域图像，再将六个子区域切割出来，主要包括：脸部区域，脸上下半区域，嘴巴、鼻子和左眼区域。
由于人双眼的对称性，可选取左眼为眼睛部分的子区域。主要分析研究的是性别识别受到各人脸区域的影响大小，并进一步探讨提高性别识别准确性的方法，可以进行贡献较大的脸部子区域的融合。因而要手工切割出人脸图像中的子区域。在实际应用的过程中，进行性别的自动识别，可对视频采集到的图像用Adaboost 快速人脸检测算法快速检测出图像中的人脸，从背景中将人脸切割出来。继而进行双眼的定位，可用眼睛定位法来确定位置，寻找脸部主要特征点可以采用AAM算法。寻找出脸部特征点之后，再根据这些位置进行各子区域图像的进一步切割。
基于子区域融合的性别识别。有关研究证明，相比较整张人脸来说，脸部是局部区域受人脸表情变化的影响更小一些。该文原载于中国社会科学院文献信息中心主办的《环球市场信息导报》杂志http://www.ems86.com总第543期2014年第11期-----转载须注名来源就微笑这个表情来说，往往人脸的下半部分变化较大，特别是嘴巴和脸颊的变化，而上半部分尤其的鼻子的变化相当小。因此，实现性别识别可以通过脸部子区域特征的融合来进行。
对于脸部子区域对性别识别的贡献大小的研究，进行的实验采用的是基本不带表情的正面人脸图像即，这一实验也就是研究与性别相关的信息在脸部子区域包含了多少内容。而基于子区域融合的性别识别方法的验证要通过在表情变化情况下进行实验，这样相对于用整个人脸图像进行性别识别来说，具有更高的准确率。
二、基于人脸图像的年龄估计
人脸年龄特征。随着年龄的增长，人脸的外观也会发生变化，在皮肤、颅骨形状、肌肉松弛度方面都有主要的体现。Narayanan Ramanathan 等人就对人的颅骨骨骼形状进行了研究，分析观察其随年龄增长而产生的变化，因而由此提出了颅面成长模型。通常而言，颅骨骨骼会随着年龄增长而变化，但变化往往只会持续到 18 岁，人脸颅骨在人18岁之后基本不会有太大的变化。由此可以发现脸部变化在18岁以前脸部特征点和比例变化是主要的体现。而18岁之后主要是通过脸部纹理的变化来体现年龄脸部的变化。
研究表明，人脸各个部位对于人脸识别的贡献率大小不同。我们根据日常生活来看，似乎通过对眼周围区域的直观感觉更容易识别人脸，下半部分人脸和鼻子、嘴巴对人脸识别的作用更小一些。但人脸的年龄估计不同于人脸识别，而关于人脸年龄自动估计技术自然也是不同于人脑的直观判断。那么哪个区域在人脸自动年龄估算中具有更强的信息表达能力。所以，首先进行人脸各局部区域在机器识别中的贡献率的研究，将有助于在识别中有效地选择局部特征。
脸部特征提取。与依据人脸图像来进行表示不同，既是策略上的不同，又是重点的不同。进行模拟识别时，提取人脸特征的提算方法可分为：一类是基于全局特征的算法，这种算法更倾向于把人脸视为一个整体，再进行计算分析，但由于受表情、光照等一些因素的影响，人脸的识别结果会因此受到很大的影响。还有一类是基于局部特征的算法，这也是人们针对前者存在的弱点提出的方法，顾名思义就是提取人脸图像的局部特征，继而进行针对性的分析计算，对局部特征的利用，得到的人脸表示更加鲁棒，表现出更明显的进行识别的优势。研究发现，对于某些人脸图像的识别结果，基于全局特征进行的分析不正确，而基于局部特征进行的分析却是正确的。基于人脸图像的年龄估计，具体方法可先采用 2DPCA 将人脸图像的全局特征提取出来，然后对脸部的局部特征进行用Gabor小波的变换提取，加之以眼睛区域——与年龄特征关联最紧密，最后的融合在决策级进行。
性别识别与年龄估计的级联。事实表明，同一年龄段的男性和女性，他们的脸部在年龄特征上有很大的差异，实际生活中，人们自然也不会把男女放在一起进行年龄的估算。性别信息作为一种先验信息，因而对于年龄估计非常的重要，可以使人脸年龄估计的准确率大大提高。可在性别信息作为先验信息的前提下，来进行年龄分类的任务分解。可以根据性别将不同年龄类别中的人脸图像分为两个子集，任务分解之后再集合训练样本，将其输入SVM中再进行学习。可以先判断新人脸图像的性别再进行年龄估计。
    人脸作为人最重要的生物特征之一，包含了年龄、性别在内的很多重要信息。计算机技术的迅猛发展使得基于人脸的识别技术成为研究的重要内容，人脸识别、表情识别、年龄估计等都是其研究的重要识别技术。本文研究了基于人脸的年龄识别和年龄估计等方面的内容，也就是对输入的人脸图像利用计算机来进行其性别的识别与年龄的估计。文中依旧有不足的地方，希望为以后的研究提供一定的借鉴。
（作者单位：1.长沙上意电子科技有限公司；2.湖南警察学院）